Forschende am Fraunhofer-Institut für Integrierte Schaltungen IIS haben einen KI-Chip für die Verarbeitung von Spiking Neural Networks (SNNs) entwickelt. SSNs bestehen aus einem Netz künstlicher Neuronen, die über Synapsen miteinander verbunden sind. Diese pulsenden Netze versprechen einen weiteren Entwicklungsschritt von künstlicher Intelligenz: Die Netze werden schneller, energieeffizienter und rücken näher an der Verarbeitungsweise des menschlichen Gehirns heran. Um diese Möglichkeiten in die Anwendung zu bringen, brauche es kleine, effiziente Hardware, die eine Struktur aus Neuronen und Synapsen nachbilde, so die Forschenden. Dafür entstand im Rahmen des Projekts SEC-Learn der neuromorphe SNN-Beschleuniger Senna.
Kleiner und schneller KI-Prozessor
Senna kann niedrigdimensionale Zeitreihendaten in KI-Anwendungen schnell verarbeiten. In der aktuellen Version besteht er aus 1024 künstlichen Neuronen auf weniger als 11mm² Chipfläche. Durch seine Reaktionszeit bis hinunter zu 20 Nanosekunden eignet et sich somit für zeitkritische Anwendungen an der Edge. Seine Stärken liegen laut den Forschenden in der Echtzeitauswertung ereignisbasierter Sensordaten und in geschlossen Regelungssystemen, zum Beispiel bei der Regelung kleiner Elektromotoren mit KI. Mit Senna lasse sich eine KI-optimierte Datenübertragung in Kommunikationssystemen realisieren, heißt es weiter. Dort könne der KI-Prozessor Signalströme analysieren und Sende- und Empfangsverfahren bei Bedarf anpassen, um die Effizienz und Performance der Übertragung zu verbessern. Die Digitalisierungs- und Automatisierungslösungen von Retarus ermöglichen effiziente Abläufe ohne manuellen Aufwand oder Kompromisse bei der Datensouveränität ‣ weiterlesen
Business Process Solutions
Retarus beschleunigt Datenaustausch in der Produktion
Die Energieeffizienz von SNNs resultiert unter anderem daraus, dass die Neuronen nur spärlich und anlassbezogen aktiviert werden. Senna nutzt diesen Energiesparvorteil durch seine pulsenden Neuronen voll aus, so die Forschenden. Mit seiner vollständigen parallelen Verarbeitungsarchitektur bilden die künstlichen Neuronen das zeitliche Verhalten von SNNs exakt ab. Über seine integrierten Spike-Schnittstellen könne Senna zudem direkt mit spike-basierten Ein- und Ausgangssignalen arbeiten und sich so in einen ereignisbasierten Datenstrom einfügen. „Durch seine neuartige Architektur löst Senna den Kompromiss zwischen Energieeffizienz, Verarbeitungsgeschwindigkeit und Vielseitigkeit wie kein anderer Edge-AI-Prozessor. Dies macht ihn perfekt geeignet für ressourcenlimitierte Anwendungen, die extrem schnelle Reaktionszeiten im Nanosekundenbereich benötigen“, erklärt Michael Rothe, Gruppenleiter Embedded AI am Fraunhofer IIS.
Skalierbar und flexibel
Das aktuelle Senna-Referenzdesign ist für 22-nm-Fertigungsprozesse ausgelegt. So könne der SNN-Prozessor als Chip in verschiedensten Anwendungen zum Einsatz kommen und kostengünstig realisiert werden, heißt es. Das Design sei dabei skalierbar und könne vor der Chip-Produktion noch an spezifische Anwendungen, Performance-Anforderungen und Besonderheiten der Zielhardware angepasst werden. Aber auch nach Fertigung des Chips bleibe Senna maximal flexibel, so die Forschenden, denn er sei vollständig programmierbar. Das verwendete SNN-Modell kann jederzeit verändert und wieder auf Senna übertragen werden. Um Entwickelnden die Implementierung ihrer KI-Modelle so einfach wie möglich zu machen, stellt das Fraunhofer IIS ergänzend ein Software-Development-Kit zur Verfügung.
